Datenpool versus Data Hub
Ein Datenpool und ein Data Hub sind im Kern v?llig unterschiedlich. Ein Datenpool ist darauf ausgelegt, Daten m?glichst effizient zu speichern und basiert technisch gesehen auf ?lteren Technologien wie DAS-basierter Storage. Die Herausforderung bei einem Datenpool ergibt sich dadurch, dass Datensilos entstehen, die die F?higkeit einschr?nken, die Datens?tze, die zu Analysezwecken ben?tigt werden, zu einem zusammenh?ngenden Ganzen zu kombinieren.
Ein?Data Hub?ist eine moderne, datenzentrierte Architektur f¨¹r Storage, die?Analysen und KI unterst¨¹tzt,?indem sie es Unternehmen in der datenabh?ngigen Welt von heute erm?glicht, Daten zu konsolidieren und freizugeben. Im Gegensatz zu Datenpools und herk?mmlichen DAS-Architekturen, die in erster Linie zum Speichern von Daten entwickelt wurden, dienen Data Hubs dem Freigeben und Bereitstellen von Daten in Echtzeit und auf multidimensionale Weise.
Darum sterben Datenpools
Datenpools sterben, weil sie unter der veralteten Pr?misse entwickelt wurden, dass alle unstrukturierten Daten gespeichert werden sollen. Manche davon sind in Data Warehouses gespeichert, andere gehen in Datenpools verloren. Die Datenvereinigung ist unterbrochen und die Datengeschwindigkeit ist beeintr?chtigt. Warum ist es also so schwierig, f¨¹r ?ltere Storage-Systeme Daten auf einer einzelnen Plattform zu vereinen? Das Problem ist, dass jede Anwendung andere Anforderungen an ihre Daten hat, so kommt es zur Verbreitung von Datensilos. Zeit f¨¹r neue Wege bei Storage.
Daten sind der Treibstoff f¨¹r das moderne Unternehmen. Und doch werden die meisten Daten in Silos, au?er Reichweite f¨¹r Analysen und KI-Anwendungen gespeichert. Moderne Intelligenz erfordert eine Architektur, die darauf ausgelegt ist, Daten nicht nur zu speichern, sondern sie auch gemeinsam zu nutzen und bereitzustellen.